طابع السبعينيات في مراقبة الطاقة المحافظة على الذكاء الاصطناعي

تُظهر دراسة جديدة أن معظم أنظمة فهم الفيديو بالذكاء الاصطناعي لا تحتاج إلى الألوان طوال الوقت. ويمكن تشغيل اللون فقط في اللحظات المهمة، ما يخفض استخدام بيانات RGB بأكثر من 90% مع خسارة محدودة في الدقة.

تحتاج كاميرات البث البعيدة والأجهزة القابلة للارتداء التي تعمل بالبطارية إلى مراقبة شديدة الكفاءة، لأنها قد تعتمد على الطاقة الشمسية غير المستقرة أو تتطلب إعادة شحن وتدخلًا بشريًا في مواقع يُفضّل ألا يوجد فيها أحد. كما أن خفض كلفة edge AI والطاقة يجعل الابتكار في هذا المجال مهمًا تجاريًا وبيئيًا.

الاستماع بدل النظر

تحاول بعض الأنظمة تقليل استهلاك الفيديو باستخدام الصوت لتشغيل الكاميرا عند اكتشاف حدث، كما في Listen to Look وEgotrigger. فمعالجة الصوت وضغطه أرخص من الفيديو.

يستخدم Egotrigger إشارات صوتية من تفاعل اليد مع الأشياء لتشغيل التقاط الصور بصورة انتقائية، فيقلل الإطارات المتكررة ويحافظ على أداء الذاكرة في النظارات الذكية محدودة الموارد. المصدر

لكن الصوت ليس وسيطًا مثاليًا للبحث عن حدث بصري. فكثير من الأحداث المهمة صامت، أو يحدث بعيدًا عن مدى الميكروفون.

نظام في حالة نوم خفيف

تقترح الورقة الجديدة بثًا مرئيًا منخفض التكلفة يعمل باستمرار، ثم يرفع الموارد فور ظهور حدث مطلوب. يحتفظ النظام بمراقبة منخفضة الدقة تكفي لاكتشاف الأشياء، وعند اكتشاف حدث يزيد الدقة ويشغّل اللون.

محاكاة للسلوك المطلوب: يعمل البث والتحليل افتراضيًا بأقل استهلاك، ثم يزيدان الموارد عندما يظهر حدث مهم في تدفق التدرج الرمادي.

العمل، الذي شاركت فيه مؤسسات بريطانية ومختبر Huawei Noah’s Ark، يقدم مخططًا بلا تدريب إضافي: التدرج الرمادي دائمًا واللون عند الطلب. في اختبارات فهم الفيديو المتدفق حقق النظام، المسمى ColorTrigger، نسبة 91.6% من أداء خط الأساس كامل الألوان باستخدام 8.1% فقط من إطارات RGB.

عند رؤية الفيديو الرمادي فقط يخلط النموذج بعض التفاصيل، لكن تشغيل اللون في اللحظة الصحيحة يزيل الالتباس ويصحح الأخطاء في المهام المعتمدة على اللون. المصدر

عنوان البحث Color When It Counts: Grayscale-Guided Online Triggering for Always-On Streaming Video Sensing، وأعده ثمانية باحثين من Queen Mary University of London وDurham University وImperial College London وHuawei Noah’s Ark Lab.

المنهجية

يحافظ ColorTrigger على بث منخفض النطاق بالتدرج الرمادي طوال الوقت. ويحلل مشغّل سببي عبر الإنترنت نافذة منزلقة من أحدث الإطارات، حتى يحتفظ بالبنية الزمنية من دون معالجة المستقبل.

يستنزف التسجيل المستمر عالي الدقة والطيف الكامل الطاقة سريعًا وقد يتوقف قبل اللحظة المهمة. يحافظ ColorTrigger على بث رمادي منخفض الطاقة، ولا يشغّل كاميرا RGB إلا في لحظات مختارة، فيطيل وقت التسجيل ويلتقط التفاصيل الضرورية. المصدر

في الوضع السلبي، يخصص موجّه ديناميكي للتوكنات قدرًا محدودًا من المعالجة لوحدة فك ترميز غير متناظرة. يبحث باستمرار عن التكرار والتغير. وعندما تظهر جدة كافية يعيد ترتيب الأولوية من الضغط إلى التفاصيل.

مخطط ColorTrigger. تحلل نافذة منزلقة الإطارات الحديثة لاكتشاف التكرار والتغير، ويُشغّل RGB عالي الدقة عند الحاجة ضمن ميزانية ائتمانية. يمنح موجّه التوكنات الرمادي عددًا أقل من التوكنات ويمنح إطارات RGB المختارة عددًا أكبر، مع الحفاظ على الترتيب الزمني للنموذج متعدد الوسائط.

يحوّل النظام كل إطار إلى تمثيل خصائص مضغوط ويقارنه بالإطارات الحديثة. تلخص بنية المقارنة مقدار التداخل لتحديد ما إذا كان المشهد يتكرر أو يتغير. ثم تعطي عملية تحسين خفيفة لكل إطار درجة أهمية تفضّل المعلومات الجديدة.

موازنة استخدام اللون

يمنع نظام «اعتمادات» بسيط الاستخدام المفرط للون. تتراكم الاعتمادات تدريجيًا وتُصرف عند طلب RGB، فتسمح بفترات نشاط مكثف مع إبقاء الاستهلاك الكلي مضبوطًا. لا يُرقى الإطار إلى اللون إلا إذا كان غنيًا بالمعلومات وكانت الاعتمادات كافية.

يبقى الإطار الرمادي غير المهم منخفض الدقة ويُضغط إلى مجموعة صغيرة من التوكنات. وعند اكتشاف لحظة مهمة، يعالجها النظام بالألوان وبدقة أعلى. يمر النوعان عبر النموذج نفسه ثم يُدمجان بترتيبهما الأصلي، ولذلك يوفر النظام قدرًا كبيرًا من الحوسبة من دون فقد التفاصيل الأساسية.

مثال آخر يحتاج فيه النظام إلى رفع الموارد مؤقتًا لتمييز لون مهم للمهمة.

البيانات والاختبارات

اختُبر النظام على StreamingBench وOVO-Bench مع تجنب معالجة المحتوى المستقبلي. استُخدم InternVL3.5-8B-Instruct كنموذج متعدد الوسائط مجمد، ونُفذ المشغّل بواسطة CLIP ViT-B/16.

اقتصر البث الرمادي على قناة الإضاءة في فضاء CIELAB، وصُغرت الإطارات إلى 224×224 بكسل وأنتجت 64 توكنًا. عولجت إطارات RGB بدقة 448×448 وأنتجت 256 توكنًا. استخدم النظام CVXPY وOSQP لاتخاذ قرارات التشغيل، وعالج الفيديو بمعدل إطار واحد في الثانية وبحد أقصى 128 إطارًا لكل مقطع.

شملت الأنظمة المغلقة Gemini 1.5 Pro وGPT-4o وClaude 3.5 Sonnet. وشملت النماذج المفتوحة LLaVA-OneVision-7B وVideo-LLaMA2-7B وQwen2.5-VL-7B، بينما شملت النماذج المتدفقة Flash-VStream-7B وVideoLLM-online-8B وDispider-7B وTimeChat-Online-7B.

نتائج StreamingBench لمهام الفهم المرئي الفوري. تمثل RGB (%) نسبة الإطارات المحتفظ بها بالألوان. اختُبر ColorTrigger عند 8.1% و34.3%، فحسن الدقة على خط الأساس الرمادي مع خفض استخدام اللون بشدة.

باستخدام 34.3% من إطارات RGB سجل ColorTrigger نتيجة 75.24، متجاوزًا Dispider-7B وقريبًا من TimeChat-Online-7B، ومقارنًا بـGemini 1.5 Pro عند 75.69، ومتقدمًا على GPT-4o عند 73.28 وClaude 3.5 Sonnet عند 72.44.

حقق InternVL-3.5-8B كامل الألوان 77.20. أما ColorTrigger فحقق 75.24 مع تقليل RGB بنسبة 65.7%. وحتى مع 8.1% فقط من الإطارات الملونة سجل 70.72، أعلى من خط الأساس الرمادي 62.08 بمقدار 8.64 نقطة.

نتائج OVO-Bench في الإدراك الفوري، والتتبع إلى الخلف، والاستجابة الاستباقية. استُخدم ColorTrigger عند 7.1% و33.1% من RGB، وحسّن الدقة على الرمادي مع توفير كبير في اللون.

على OVO-Bench حقق النظام 52.5 عند 33.1% من RGB، متفوقًا على معظم النماذج المفتوحة المتدفقة. خط الأساس كامل الألوان سجل 57.7، أي أن تقليل الإطارات الملونة بنسبة 66.9% كلف 5.2 نقاط فقط. وبلغ الإدراك المرئي الفوري 65.2، أعلى من الرمادي وحده بـ11.4 نقطة.

عند 7.1% فقط من RGB، أي خفض 92.9%، حافظ ColorTrigger على نتيجة كلية 50.4، أعلى من وضع الرمادي بـ2.5 نقطة.

مقارنة أداء الأنظمة المختبرة على Video-MME للفيديو الطويل غير المتدفق.

في Video-MME سجل النظام 66.1 مستخدمًا 37.6% من RGB، متجاوزًا خط أساس InternVL كامل الألوان البالغ 65.6 رغم استخدام إطارات ملونة أقل بـ62.4%. كما تفوق على TimeChat-Online-7B عند 62.4 وDispider-7B عند 57.2.

توضح النتيجة أن التشغيل التكيفي لا يقلل الحوسبة فقط، بل قد يحسن الدقة عبر تخصيص اللون للحظات ذات الأهمية الدلالية، مع الاحتفاظ بالسياق الرمادي المستمر.

الخلاصة

تستحق هذه الابتكارات الاهتمام لأن استهلاك AI المتزايد للطاقة يثير قلقًا مستمرًا. وقد تكون دوافع التوفير التجارية أكثر ثباتًا من السياسات قصيرة الأجل، لكنها تحقق النتيجة البيئية نفسها: أجهزة مراقبة تعمل مدة أطول وتستخدم طاقة وحوسبة أقل.

* أنشأ الكاتب المحاكاة لتوضيح الفكرة الأساسية للبحث.

نُشر لأول مرة يوم الخميس 26 مارس 2026.